AgEagleVPRDataset

AgEagle提供的数据集适用于基于空中的视觉位置识别（VPR）任务。我们收集了相应的卫星地图，并将它们以标准格式用于VPR任务评估。

The dataset provided by AgEagle is designed for the aerial visual position recognition (VPR) task. We have collected the corresponding satellite maps and utilized them in standard format for evaluating the VPR task.

原始信息汇总

AgEagleVPRDataset 数据集概述

数据集简介

• 数据集适用于基于航空的视觉位置识别（VPR）任务。
• 数据集包含对应的卫星地图，并以标准格式进行组织以便于VPR任务评估。
• 原始数据公开下载自AgEagle网站：https://ageagle.com/resources/?filter_by=data-set。

数据集内容

名称	查询数量 (Num.Qr)	数据库数量 (Num.Db)	特征 (Charac.)	状态 (Status)
University_campus	443	2720	多种方向	已完成
Industrial_estate	277	775	热成像图像	已完成
Village_switzerland	297	1845	农田场景	已完成

数据集结构

. └── AgEagleVPR └── SubScene-One ├── map_database │ ├── @SubScene-One@longitude@latitude@patch_size.tif │ ├── .......
│ └── @SubScene-One@longitude@latitude@patch_size.tif │ └── query_images ├── @query_index@longitude@latitude@.png ├── .......
└── @query_index@longitude@latitude@.png

检索设置

• 检索正半径设置为200米。
• 距离可通过图像的坐标计算。

基准性能

在100米正半径设置下，使用SALAD（重新训练）方法的检索召回率如下：

名称	方法	R@1	R@5	R@10
University_campus	SALAD(retrained)	29.57	55.76	65.46
Industrial_estate	SALAD(retrained)	74.01	90.25	93.14
Village_switzerland	SALAD(retrained)	75.42	94.95	97.98

引用

如果该数据集对您的研究有帮助，请考虑引用以下论文：

@article{he2024leveraging, title={Leveraging map retrieval and alignment for robust UAV visual geo-localization}, author={He, Mengfan and Liu, Jiacheng and Gu, Pengfei and Meng, Ziyang}, journal={IEEE Transactions on Instrumentation and Measurement}, volume={73}, pages={1--13}, year={2024}, publisher={IEEE} }

搜集汇总

数据集介绍

构建方式

AgEagleVPRDataset的构建基于AgEagle网站公开的原始数据集，经过精心筛选和标准化处理，以适应空中视觉地点识别任务的需求。数据集包含多个子场景，如大学校园、工业区和瑞士村庄等，每个子场景的数据库图像通过重叠采样和适当尺寸裁剪获得，确保了数据的多样性和实用性。卫星地图与查询图像的坐标信息被精确记录，便于后续的距离计算和性能评估。

特点

该数据集以其独特的多场景覆盖和丰富的图像特性脱颖而出，包括不同朝向、热成像和农田场景等多种类型。每个子场景的查询图像和数据库图像数量经过精心设计，确保了评估的全面性和挑战性。特别值得注意的是，数据库图像采用重叠采样策略，有效提升了地点识别的准确性和鲁棒性。数据集的标准化格式和坐标标注为研究提供了极大的便利。

使用方法

数据集的使用遵循典型的空中地理定位基准结构，目录树清晰地区分了查询图像和地图数据库。用户可以通过图像文件名中的经纬度和补丁大小信息快速定位和计算距离，检索正半径设置为200米。数据集还提供了基于SALAD方法的基线性能指标，包括不同召回率下的检索结果，为用户评估自身算法性能提供了可靠参考。

背景与挑战

背景概述

AgEagleVPRDataset是由AgEagle公司提供的一个面向航空视觉地点识别（VPR）任务的数据集。该数据集由多个子场景组成，包括大学校园、工业区和瑞士村庄等，每个子场景均包含查询图像和对应的卫星地图数据库。数据集的主要研究人员来自IEEE Transactions on Instrumentation and Measurement期刊的相关作者，其核心研究问题在于解决无人机视觉地理定位中的地图检索与对齐问题。该数据集的创建为航空视觉地点识别领域提供了标准化的评估基准，显著推动了相关算法的研究与优化。

当前挑战

AgEagleVPRDataset面临的挑战主要集中在两个方面：领域问题的挑战和构建过程的挑战。在领域问题方面，航空视觉地点识别任务需要克服不同视角、光照条件以及热成像数据的异构性问题，这对算法的鲁棒性和泛化能力提出了较高要求。在构建过程中，数据集需确保卫星地图与查询图像的地理坐标精确对齐，同时处理大规模图像数据的存储与标注问题。此外，如何在高动态环境中保持检索精度，尤其是在城市和农田等多变场景中，也是该数据集需要解决的关键技术难题。

常用场景

经典使用场景

在无人机视觉地理定位领域，AgEagleVPRDataset凭借其独特的航空视角数据，成为评估视觉位置识别（VPR）算法的经典基准。该数据集通过整合多场景卫星地图与无人机航拍图像，构建了包含大学校园、工业区和瑞士村庄等多样化环境的标准化测试平台。其特色在于数据库采用重叠采样策略，确保了地理空间连续性，为跨视角图像匹配研究提供了理想条件。

衍生相关工作

该数据集催生了多项航空视觉定位的创新研究，其中He等人发表于《IEEE Transactions on Instrumentation and Measurement》的论文提出了融合地图检索与对齐的混合定位框架。后续工作在此基础上扩展了多尺度特征融合策略，在University_campus场景将R@1指标提升至29.57%，为异构传感器协同定位提供了新的技术路线。

数据集最近研究

最新研究方向

随着无人机视觉地理定位技术的快速发展，AgEagleVPRDataset作为面向航空场景的视觉位置识别（VPR）任务而构建的专用数据集，正逐渐成为该领域的研究热点。该数据集通过整合多源异构数据，包括不同朝向的校园场景、热成像工业区以及农田风光等多样化场景，为复杂环境下的跨视角地理定位提供了重要基准。近期研究聚焦于提升模型在跨模态数据下的泛化能力，特别是在热成像与可见光图像的联合检索任务中，如何克服传感器差异带来的特征分布偏移成为关键挑战。数据集中标注的精确地理坐标信息，为探索基于几何约束的检索算法优化提供了独特优势，相关成果已应用于无人机自主导航、灾害应急响应等实际场景。